【讲座问题】用于建模多变量网络数据泄露危害的荟萃双变量Copula

【时 间】2024年6月19日    上午：9:00-10:30

【地 点】保定校区 自动化系315

【主讲人】徐茂超
，博士/教授
，伊利诺伊州州立大学

【主讲人简介】

徐茂超博士于2010年在美国波特兰州立大学获得统计学博士学位
，现为伊利诺伊州立大学数学系终身教授
，研究生项目Director
，网络清静包管专家。他同时担当英国网络危害评估公司Rankiteo人工智能部分 Head
，还曾多次担当其他公司的网络清静包管照料
，例如美国网络清静公司CouldCover照料
，美国网络危害评估公司Safe Security的照料等。徐教授的研究领域为网络危害评估
，统计建模以及网络清静包管。他的研究曾获伊利诺伊州立大学优异研究奖
，北美精算师协会最佳论文奖
，以及应用统计杂志最佳论文推荐奖等。近年来相关研究的效果均揭晓于Annals of Applied Statistics, Technometrics
，IEEE Transactions on Information Forensics and Security
，IISE Transactions 等国际顶级期刊。

【讲座内容简介】

对网络数据泄露危害举行建模是一个重大的挑战
，主要是由于在有限数据配景下错综重大的多元依赖关系。在这次演讲中
，我们讨论了一种新的集成学习要领
，该要领有用地捕获了网络危害固有的时间和截面依赖性。所提出的要领与古板的直接建模危害的多变量依赖性要领有显著差别。相反
，大奖国际要领使用双变量Copula来天生展望成员
，以捕获多变量相关性
，并通过最小化漫衍得分来校准由此爆发的展望漫衍。别的
，将所提出的模子应用于包管定价
，效果批注
，它可以爆发更有利的条约。通过普遍的仿真和真实数据剖析
，研究效果批注
，所提出的模子具有令人知足的拟合和展望性能
，并优于文献中的模子。